XiaoMi-AI文件搜索系统
World File Search System陈忠
空间微重力环境下脑内神经化学物质响应的研究进展
[1] 陈善广 , 陈金盾 , 姜国华 , 等 .我国载人航天成就与空间 站建设 .航天医学与医学工程 , 2012, 25: 391-6 [2] 唐琳 .中国空间站完成在轨建造并取得一系列重大进 展 .科学新闻 , 2023, 25: 11 [3] 肖毅 , 陈晓萍 , 许潇丹 , 等 .空间脑科学研究的回顾与展 望 .中国科学 : 生命科学 , 2024, 54: 325-37 [4] 王跃 , 陈善广 , 吴斌 , 等 .长期空间飞行任务中航天员出 现的心理问题 .心理技术与应用 , 2013, 1: 40-5 [5] 陈善广 , 王春慧 , 陈晓萍 , 等 .长期空间飞行中人的作业 能力变化特性研究 .航天医学与医学工程 , 2015, 28: 1-10 [6] 凌树宽 , 李玉恒 , 钟国徽 , 等 .机体对重力的感应及机制 .生命科学 , 2015, 27: 316-21 [7] 范媛媛 , 厉建伟 , 邢文娟 , 等 .航天脑科学研究进展 .生 命科学 , 2022, 34: 719-31 [8] 梁小弟 , 刘志臻 , 陈现云 , 等 .生命中不能承受之轻 —— 微重力条件下生物昼夜节律的变化研究 .生命科学 , 2015, 27: 1433-40 [9] 邓子宣 , Papukashvili D, Rcheulishvili N, 等 .失重 / 模拟 失重对中枢神经系统影响的研究进展 .航天医学与医 学工程 , 2019, 32: 89-94 [10] Tays GD, Hupfeld KE, McGregor HR, et al.The effects of long duration spaceflight on sensorimotor control and cognition.Front Neural Circuits, 2021, 15: 723504-18 [11] Mhatre SD, Iyer J, Puukila S, et al.Neuro-consequences of the spaceflight environment.Neurosci Biobehav Rev, 2022, 132: 908-35 [12] 陈善广 , 邓一兵 , 李莹辉 .航天医学工程学主要研究进 展与未来展望 .航天医学与医学工程 , 2018, 31: 79-89 [13] Moyer EL, Dumars PM, Sun GS, et al.Evaluation of rodent spaceflight in the NASA animal enclosure module for an extended operational period (up to 35 days).NPJ Microgravity, 2016, 2: 16002-9 [14] Mains R, Reynolds S, Associates M, et al.A researcher's guide to: rodent research [M].Rat maintenance in the research animal holding facility during the flight of space lab 3.Washington D.C.: National Aeronautics and Space Administration, 2015 [15] Fast T, Grindeland R, Kraft L, et al.Physiologist, 1985, 28: S187-8 [16] Ronca AE, Moyer EL, Talyansky Y, et al.Behavior of mice aboard the international space station.Sci Rep, 2019, 9: 4717 [17] Morey-Holton ER, Hill EL, Souza KA.Animals and spaceflight: from survival to understanding.J Musculoskelet Neuronal Interact, 2007, 7: 17-25 [18] 陈天 , 胡秦 , 石哲 , 等 .美国太空动物实验研究发展历程 .中国实验动物学报 , 2022, 30: 582-8 [19] 董李晋川 , 黄红 , 刘斌 , 等 .苏俄太空动物实验研究发展 历程 .中国实验动物学报 , 2022, 30: 557-67 [20] Beheshti A, Shirazi-Fard Y, Choi S, et al.Exploring the effects of spaceflight on mouse physiology using the open access NASA GeneLab platform.J Vis Exp, 2019, 143: e58447- 58 [21] 姜宁 , 刘斌 , 张亦文 , 等 .欧日太空动物实验研究概况 .中国实验动物学报 , 2022, 30: 568-73 [22] Mao XW, Byrum S, Nishiyama NC, et al.Impact of
2021 年年度报告 - 海峡贸易
陈忠清先生曾担任 Knight Frank Pte Ltd 的高级顾问，直至 2020 年 3 月 31 日退休。在此之前，他曾担任 Knight Frank Asia Pacific Pte Ltd 总裁，直至 2019 年 3 月 31 日，并曾担任 Knight Frank Pte Ltd 集团公司的执行主席，直至 2017 年 3 月 31 日。在过去的四十年里，他积累了广泛而深入的房地产知识。作为华业集团有限公司的独立非执行董事，陈先生还是华业集团有限公司薪酬委员会主席和审计与风险委员会成员。陈先生是 Heeton Holdings Limited 的首席独立董事、薪酬委员会主席以及审计委员会和提名委员会成员。他还是 Amara Holdings Limited 的非执行独立董事、薪酬委员会主席以及审计与风险委员会成员。
人工神经网络在边坡稳定性分析中的应用
BP神经网络隐层节点确定方法. 计算机技术与发展 2018; 28(4): 31-35. doi: 10.3969/j.issn.1673-629X.2018.04.007。 2. 温疆, 廖建忠. 岩质边坡稳定性分析方法综述. 西部探矿工程 2012; 24(6): 153-155. doi: 10.3969/j.issn.1004-5716.2012.06.053。 3. 毛江, 赵洪达, 姚建军. 人工神经网络的应用及展望. 电子设计工程 2011; 19(24): 62-65。 4. 李红莲, 柴庆元. 人工神经网络与神经网络控制(NNC)的发展与展望。河北科技图文信息技术有限公司. 2009; 26(5): 44-46. doi: 10.3969/j.issn.1008-6129.2009.05.012。 5. 姚建国. 人工神经网络在岩土力学与工程中的局限性及对策. 中国岩石力学与工程学会. 第八届全国岩石力学与工程学术会议论文集. 2004;385-388。 6. 张建平, 陈倩. BP网络在边坡稳定性分析中的应用. 西南交通大学学报. 2001; 36(6): 648-650。 7. 杨晓峰, 陈天洪. 人工神经网络的优缺点. 计算机科学. 1994; 21(2): 23-26。 8. 冯晓霞, 周林伟, 曾绍琪, 李伟昌. 边坡岩体稳定性分析. 工程与建设 2017; 31(2): 244-247. doi: 10.3969/j.issn.1673-5781.2017.02.032.
金刚石中光子到核子的量子隐形传态
由于这些引脚作为量子比特[1]使用，因此仅利用光子吸收这一自然现象便可实现光子-电子纠缠测量（③）[2]。 3. 结果与讨论 我们将六个碱基对应的偏振光转移到庞加莱球上并进行断层扫描，得到了所有偏振保真度超过 80% 的结果（图 2）。这种保真度远远超过了经典极限（66%），并证明我们的转移是具有量子特性的量子态转移。传输保真度恶化的原因被认为是氮核自旋的初始化速度不完善。通过改善这一点，有望提高传输保真度。 4. 结论与展望我们成功地实现了光子的偏振态到氮核自旋的量子转移。未来，我们的目标不仅在于提高转录保真度，还在于将量子态转录到钻石中也存在的碳同位素的核自旋中。 5.参考文献 [1] Y. Sekiguchi, H.Kosaka 等，Nature Commun. 7, 11668 (2016)。 [2] H. Kosaka 和 N. Niikura，Phys. Rev. Lett.
强相关材料的电子结构计算
In collaboration with He, Rong-Qiang （贺荣强） a gifted expert Zheng, Ru （郑茹） , Wang, Jia-Ming （王佳明）， Chen, Yin （陈寅） , Tian, Yi-Heng ( 田一衡） at Renmin University of China; Huang, Li ( 黄理） a gifted expert at Science and Technology on Surface Physics and Chemistry Laboratory
陈石教授的出版物：1. K. Wang，H. Li*，Z. Xu，...
9. Xu, Z.; Li, H.*; Liu, Y.; Wang, K.; Wang, H.; Ge, M.; Xie, J.; Li, J.; Wen, Z.; Pan, H.; Qu, S.; Liu,
用于系统识别和机器学习中应用的陈 - 弗利斯系列的连续性
在涉及系统识别，自适应控制和机器学习的应用程序中，随着时间的推移会不断处理输入输出数据流，以产生参数/权重估计的效率，以使假定的模型的行为与数据源相匹配。例如，在控制的背景下，这通常意味着模型的动力学应渐近地接近植物的动力学。当模型与工厂不兼容或数据流中包含不良信息时，这可能不会发生。更微妙的失败模式是模型的动力学不持续取决于参数的一种。在这种情况下，参数估计的序列可能会收敛到一定极限，而模型动力学的相应近似序列在任何意义上都无法收敛。
通过陈-西蒙斯规范理论实现德西特空间中的全息术
引言。全息术是最有前途的想法之一，它提供了量子引力的非微扰公式[1]。这种方法在反德西特（AdS）空间全息术中非常成功，即 AdS = CFT 对应[2]。另一方面，要理解现在的宇宙是如何产生的，我们需要一个德西特（dS）空间而不是 AdS 空间中量子引力的完整公式。尽管在四维高自旋引力中已经有了具体的提议[9]，并且在 dS = dS 对应[10 – 13]、全息纠缠熵[14 – 17]和 dS 静态贴片全息术[18,19]方面也取得了有趣的进展，但我们仍然缺乏对 dS 空间全息术的理解，即所谓的 dS = CFT 对应[3 – 5]（另见参考文献[6 – 8]）。尤其是，我们缺少了对偶共形场论 (CFT)，它存在于爱因斯坦引力中德西特空间的过去-未来边界上。这封信旨在为三维 dS 提出这个基本问题的解决方案。三维德西特空间的特殊之处在于它由陈-西蒙斯规范理论 [20] 描述，并且假设 dS = CFT 的标准思想，它预计与二维 CFT 对偶。S 3 上的陈-西蒙斯引力描述是德西特空间的欧几里得对应物，由一对 SU(2) 陈-西蒙斯规范理论 [20] 描述。此外，众所周知，SU(2) 陈-西蒙斯理论是
人群神经科学的纵向资源
Xue-Ru Fan ( 范 雪 如 ) 1,2,3,† , Yin-Shan Wang ( 王 银 山 ) 1,3,4,† , Da Chang ( 常 达 ) 1,3,† , Ning Yang ( 杨 3 宁 ) 1,2,3,4 , Meng-Jie Rong ( 荣 孟 杰 ) 1,2,3,4 , Zhe Zhang ( 张 吉吉 ) 5 , Ye He ( 何 叶 ) 6 , Xiaohui Hou ( 侯 4 晓晖 ) 7 , Quan Zhou ( 周 荃 ) 1,2,3 , Zhu-Qing Gong ( 宫 竹 青 ) 1,2,3 , Li-Zhi Cao ( 曹 立 智 ) 2,4 , Hao-Ming 5 Dong ( 董 昊 铭 ) 1,4,8,9 , Jing-Jing Nie ( 聂 晶晶 ) 1,3 , Li-Zhen Chen ( 陈 丽 珍 ) 1,3 , Qing Zhang ( 张 6 青 ) 2,4 , Jia-Xin Zhang ( 张 家 鑫 ) 2,4 , Hui-Jie Li ( 李 会 杰 ) 2,4 , Min Bao ( 鲍 敏 ) 2,4 , Antao Chen ( 陈 安 7 涛 ) 10,11 , Jing Chen ( 陈 静 ) 12,13 , Xu Chen ( 陈 旭 ) 11 , Jinfeng Ding ( 丁 金 丰 ) 2,4 , Xue Dong ( 董 雪 ) 2,4 , 8 Yi Du ( 杜 忆 ) 2,4 , Chen Feng ( 冯 臣 ) 2,4 , Tingyong Feng ( 冯 廷 勇 ) 11 , Xiaolan Fu ( 傅 小 兰 ) 2,14 , 9 Li-Kun Ge ( 盖 力 锟 ) 2,4 , Bao Hong ( 洪 宝 ) 12,15 , Xiaomeng Hu ( 胡 晓 檬 ) 16 , Wenjun Huang ( 黄 文 10 君 ) 12,15 , Chao Jiang ( 蒋 超 ) 17 , Li Li ( 李 黎 ) 12,13 , Qi Li ( 李 琦 ) 17 , Su Li ( 李 苏 ) 2,4 , Xun Liu ( 刘勋 ) 2,4 , 11 Fan Mo ( 莫 凡 ) 2,14 , Jiang Qiu ( 邱 江 ) 11 , Xue-Quan Su ( 苏 学 权 ) 7 , Gao-Xia Wei ( 魏 高 峡 ) 2,4 , 12 Yiyang Wu ( 吴 伊 扬 ) 2,4 , Haishuo Xia ( 夏 海 硕 ) 11 , Chao-Gan Yan ( 严 超赣 ) 2,4 , Zhi-Xiong Yan ( 颜 13 志 雄 ) 7 , Xiaohong Yang ( 杨 晓 虹 ) 16 , Wenfang Zhang ( 张 文 芳 ) 2,4 , Ke Zhao ( 赵 科 ) 2,14 , Liqi Zhu 14 ( 朱 莉 琪 ) 2,4 , Lifespan Brain Chart Consortium (LBCC) * , Chinese Color Nest Consortium 15 (CCNP) ** , and Xi-Nian Zuo ( 左 西 年 ) 1,2,3,4,7,18,*** 16